基于神经网络和自适应预报模型参数的平整轧制力模型

冷轧带钢平整过程存在带材较薄,压下率较小等特点,应力状况较为复杂,采用传统模型对轧制力预报误差较大。采用神经网络模型对应力状态系数进行预报,可提高轧制力的预报精度。针对轧制过程中轧件特性发生缓慢变化的特点,采用符合平整轧制过程特点的变形抗力自适应模型,并与神经网络模型结合,预报平整轧制力。计算结果表明,该模型计算值与实际值吻合精度较高,90%的预报结果相对误差控制在5%以内。

冷轧带钢平整时横折印缺陷的产生机理及消除措施

冷轧退火后的带钢在平整过程中产生横折印缺陷,严重影响平整后带钢的表面质量及其力学性能。通过分析带钢经过张力辊(S辊)时的受力过程,研究横折印缺陷的产生机理和影响因素,认为退火后的屈服平台和平整机入口前的带钢表面拉应力过大是带钢表面产生横折印缺陷的根本原因。制定合理的伸长率和张力制度,严格来料质量要求,可以避免横折印缺陷的产生,提高平整带钢的表面质量。